Matrix Calculator
নতুনAdd, subtract, multiply matrices and compute determinant, inverse and transpose for 2×2–4×4 matrices.
Operations
Runs entirely in your browser. Nothing is uploaded.
ম্যাট্রিক্স ক্যালকুলেটর কী?
একটি ম্যাট্রিক্স ক্যালকুলেটর হলো একটি অনলাইন টুল যা সংখ্যার আয়তাকার অ্যারের ওপর লিনিয়ার অ্যালজেব্রা অপারেশন সম্পাদন করে। সাধারণ অপারেশনের মধ্যে রয়েছে যোগ, বিয়োগ, গুণ, স্কেলার গুণ, ট্রান্সপোজ, ডিটারমিন্যান্ট, ইনভার্স এবং রিডিউসড রো একেলন ফর্মে (RREF) রো রিডাকশন। এই অপারেশনগুলো লিনিয়ার অ্যালজেব্রার কেন্দ্রীয়, যা মেশিন লার্নিং, কম্পিউটার গ্রাফিক্স, স্ট্রাকচারাল ইঞ্জিনিয়ারিং, অর্থনীতি এবং বেশিরভাগ পরিমাণগত বিজ্ঞানের ভিত্তি।
এই ফ্রি ম্যাট্রিক্স ক্যালকুলেটর ৪×৪ পর্যন্ত ম্যাট্রিক্স সমর্থন করে এবং আটটি স্বতন্ত্র অপারেশন সম্পাদন করে: A+B, A−B, A×B, k·A, Aᵀ, det(A), A⁻¹, এবং RREF(A)। ডিটারমিন্যান্ট ও ইনভার্স গণনার জন্য, ধাপে ধাপে কাজ দেখানো হয় — ডিটারমিন্যান্টের জন্য কোফ্যাক্টর এক্সপ্যানশন এবং ইনভার্সের জন্য অ্যাডজুগেট পদ্ধতি। RREF প্রতিটি রো অপারেশন (সোয়াপ, স্কেল, এলিমিনেট) ধারাবাহিকভাবে দেখায়, যা হোমওয়ার্ক চেক করা এবং গসিয়ান এলিমিনেশন বোঝার জন্য উপযোগী।
ম্যাট্রিক্স ক্যালকুলেটর কীভাবে ব্যবহার করবেন
Row ও Column ড্রপডাউন ব্যবহার করে ম্যাট্রিক্স A এবং ম্যাট্রিক্স B-এর মাত্রা সেট করুন (প্রতিটি মাত্রার জন্য ১ থেকে ৪)। গ্রিডের যেকোনো সেলে ক্লিক করে একটি মান লিখুন — Tab পরের সেলে অনুভূমিকভাবে যায়, যা কীবোর্ডে ডেটা এন্ট্রি দ্রুত করে। দশমিক মান ও ঋণাত্মক সংখ্যা সম্পূর্ণভাবে সমর্থিত; প্রয়োজন না হলে সেল ০-এ রাখুন। শুধু একটি ম্যাট্রিক্স প্রয়োজন এমন অপারেশনের জন্য (ট্রান্সপোজ, ডিটারমিন্যান্ট, ইনভার্স, RREF), শুধু ম্যাট্রিক্স A-তে মান দরকার। বাইনারি অপারেশনের জন্য (A+B, A−B, A×B), উভয় ম্যাট্রিক্সের মাত্রা সামঞ্জস্যপূর্ণ হতে হবে।
গণনা করে নিচে ফলাফল গ্রিড দেখতে অপারেশন বাটনে ক্লিক করুন। একটি লিনিয়ার সমীকরণের সিস্টেম সমাধান করতে, ধ্রুবকের জন্য একটি অতিরিক্ত কলামসহ ম্যাট্রিক্স A সেট করে একটি অগমেন্টেড ম্যাট্রিক্স [A|b] তৈরি করুন, তারপর RREF(A) চালান। সমাধান সরাসরি ফলাফলের সবচেয়ে ডানের কলাম থেকে পড়া যায়।
ম্যাট্রিক্স অপারেশন, ডিটারমিন্যান্ট এবং ইনভার্স ব্যাখ্যা করা হলো
যোগ ও বিয়োগ এলিমেন্টওয়াইজ অপারেশন যাতে অভিন্ন মাত্রা প্রয়োজন। গুণ A×B-এর জন্য A-এর কলাম সংখ্যা B-এর সারি সংখ্যার সমান হতে হবে; ফলাফলে A-এর সারি সংখ্যা এবং B-এর কলাম সংখ্যা থাকে। গুণফলের (i,j) এলিমেন্ট হলো A থেকে সারি i এবং B থেকে কলাম j-এর ডট প্রোডাক্ট। স্কেলার গুণ kA প্রতিটি এলিমেন্টকে k দিয়ে গুণ করে। ট্রান্সপোজ Aᵀ ম্যাট্রিক্সকে তার প্রধান কর্ণের ওপর মিরর করে, একটি m×n ম্যাট্রিক্সকে n×m-এ পরিণত করে।
ডিটারমিন্যান্ট এনকোড করে একটি ম্যাট্রিক্স ইনভার্টিবল কিনা (det ≠ 0) এবং এটি কোন ফ্যাক্টর দিয়ে ক্ষেত্রফল বা আয়তন স্কেল করে। ইনভার্স A⁻¹ A-কে 'পূর্বাবস্থায়' নিয়ে যায়: A-কে A⁻¹ দিয়ে গুণ করলে আইডেন্টিটি ম্যাট্রিক্স ফিরে আসে। ব্যবহারিক সমীকরণ-সমাধানের জন্য, অগমেন্টেড ম্যাট্রিক্স [A|b]-এ প্রয়োগ করা RREF A⁻¹ গণনা ও গুণ করার চেয়ে সাংখ্যিকভাবে বেশি স্থিতিশীল — এটি একসাথে সামঞ্জস্য, অনন্যতা এবং সমাধান মান প্রকাশ করে। A-এর র্যাঙ্ক (RREF-এ শূন্য-নয় সারির সংখ্যা) নির্ধারণ করে তিন ধরনের সমাধান (অনন্য, অসীম, কোনোটিই না)-এর মধ্যে কোনটি প্রযোজ্য।
ধাপে ধাপে কাজ কেন গুরুত্বপূর্ণ
বেশিরভাগ অনলাইন ম্যাট্রিক্স ক্যালকুলেটর উত্তর দেখায় কিন্তু কীভাবে পেল তা দেখায় না। এটি শিক্ষার্থীদের সবচেয়ে বেশি বোঝা দরকার এমন তিনটি অপারেশনের প্রতিটি মধ্যবর্তী ধাপ দেখায়: ডিটারমিন্যান্টের জন্য কোফ্যাক্টর এক্সপ্যানশন, ম্যাট্রিক্স ইনভার্সের জন্য অ্যাডজুগেট পদ্ধতি, এবং RREF-এর জন্য পৃথক রো অপারেশন (স্কেল, সোয়াপ, এলিমিনেট)। সেই ধাপে ধাপে আউটপুটই এই টুলটিকে শুধু উত্তর-নেওয়ার বদলে হোমওয়ার্ক চেকিংয়ের জন্য উপযোগী করে তোলে।
RREF বাস্তবায়ন পার্শিয়াল পিভোটিং ব্যবহার করে — ভাগ করার আগে প্রতিটি কলামে সবচেয়ে বড় পরম-মান এলিমেন্টে সোয়াপ করা — যা সাংখ্যিক স্থিতিশীলতা উন্নত করে এবং সরল বাস্তবায়নে দেখা ফ্লোটিং-পয়েন্ট ভাগের ত্রুটি এড়ায়। 1e-10 এর নিচের মান একদম শূন্যে সেট করা হয়, তাই দুর্বল-কন্ডিশনযুক্ত ইনপুটের জন্যও ফলাফল পরিষ্কার থাকে যেখানে একটি সরল অ্যালগরিদম 0.0000000001-এর বদলে শূন্য দেখাত।
Wolfram Alpha, Symbolab এবং Mathway-এর সাথে এটি কীভাবে তুলনীয়
Wolfram Alpha সবচেয়ে শক্তিশালী বিকল্প কিন্তু এটি ফ্রি ম্যাট্রিক্স কোয়েরি সীমিত করে এবং ধাপে ধাপে কাজ $৭/মাসের Pro সাবস্ক্রিপশনের পেছনে লুকিয়ে রাখে। Symbolab এবং Mathway অ্যাকাউন্ট সাইন-আপ প্রয়োজন করে এবং দৈনিক ফ্রি ধাপে ধাপে গণনা প্রায় ৫–১০টিতে সীমাবদ্ধ করে। Desmos গ্রাফিং ভালো হ্যান্ডেল করে কিন্তু ম্যাট্রিক্স অপারেশন সমর্থন করে না। এই ক্যালকুলেটর ভিন্ন: কোনো অ্যাকাউন্ট নেই, কোনো দৈনিক সীমা নেই, এবং কোনো পেওয়াল নেই। প্রতিটি অপারেশন — ডিটারমিন্যান্ট, ইনভার্স এবং RREF-এর সম্পূর্ণ কাজসহ — প্রতিটি ব্যবহারে ফ্রি।
এটি সম্পূর্ণভাবে আপনার ব্রাউজারেও চলে। আপনার ম্যাট্রিক্স এন্ট্রি কখনো আপনার ডিভাইস ছেড়ে যায় না। এটি গুরুত্বপূর্ণ যখন আপনি হোমওয়ার্ক সমস্যা বা মালিকানাধীন ইঞ্জিনিয়ারিং ডেটা নিয়ে কাজ করছেন যা কোনো তৃতীয়-পক্ষ সার্ভারে পাঠানো উচিত নয়। ট্যাব বন্ধ করলে ডেটাও চলে যায়।
ম্যাট্রিক্স গুণ ব্যাখ্যা: ডট প্রোডাক্ট নিয়ম এবং নন-কমিউটেটিভিটি
ম্যাট্রিক্স গুণ এলিমেন্টওয়াইজ নয় — আপনি যোগের মতো মিলে যাওয়া পজিশন সরাসরি গুণ করতে পারেন না। গুণফল C = A×B তখনই সংজ্ঞায়িত যখন A-এর মাত্রা m×n এবং B-এর মাত্রা n×p; শেয়ার করা মাত্রা n মিলতে হবে। ফলাফল C হলো m×p। প্রতিটি এন্ট্রি C(i,j) গণনা করা হয় A-এর সারি i এবং B-এর কলাম j-এর ডট প্রোডাক্ট হিসেবে। A = [[1,2],[3,4]] এবং B = [[5,6],[7,8]]সহ একটি সুনির্দিষ্ট ২×২ উদাহরণের জন্য: C(1,1) = 1·5 + 2·7 = 19, C(1,2) = 1·6 + 2·8 = 22, C(2,1) = 3·5 + 4·7 = 43, C(2,2) = 3·6 + 4·8 = 50, যা দেয় C = [[19,22],[43,50]]।
ম্যাট্রিক্স গুণের একটি গুরুত্বপূর্ণ বৈশিষ্ট্য হলো নন-কমিউটেটিভিটি: সাধারণত AB ≠ BA। এমনকি যখন উভয় গুণফল সংজ্ঞায়িত (অর্থাৎ, A ও B উভয়ই বর্গাকার), ক্রম উল্টানো প্রায় সবসময়ই ফলাফল বদলে দেয়। জ্যামিতিকভাবে, যদি A এবং B ঘূর্ণন ও স্কেলিংয়ের মতো লিনিয়ার ট্রান্সফরমেশন প্রতিনিধিত্ব করে, AB প্রথমে B তারপর A প্রয়োগ করে, আর BA প্রথমে A তারপর B প্রয়োগ করে — ভিন্ন ক্রম ভিন্ন ফলাফল দেয়, ঠিক যেমন একটি আকৃতিকে ঘুরিয়ে তারপর স্কেল করা স্কেল করে তারপর ঘোরানোর মতো নয়।
ম্যাট্রিক্স গুণের গণনাগত খরচও গুরুত্বপূর্ণ। দুটি n×n ম্যাট্রিক্স গুণ করতে সরল অ্যালগরিদমে O(n³) গাণিতিক অপারেশন প্রয়োজন — সাইজ দ্বিগুণ করলে কাজ আটগুণ বেড়ে যায়। বড় ম্যাট্রিক্সের জন্য (গভীর লার্নিং ও বৈজ্ঞানিক কম্পিউটিংয়ে দেখা যায় এমন হাজার হাজার n), এটি প্রায় অসম্ভব। স্ট্রাসেনের অ্যালগরিদম প্রতি ২×২ ব্লকে স্কেলার গুণের সংখ্যা ৮ থেকে ৭-এ চতুরভাবে কমিয়ে জটিলতা প্রায় O(n^2.807)-এ নামিয়ে আনে। আরও সাম্প্রতিক অ্যালগরিদম এক্সপোনেন্টকে আরও O(n^2.37)-এর দিকে ঠেলে দেয়, আর BLAS ও LAPACK-এর মতো ব্যবহারিক লাইব্রেরি অত্যন্ত অপ্টিমাইজড ব্লকড ভ্যারিয়েন্ট বাস্তবায়ন করে যা CPU ক্যাশ আর্কিটেকচারের সুবিধা নেয়, নিউরাল নেটওয়ার্ক ট্রেনিংয়ে বড় ম্যাট্রিক্স গুণফল সম্ভব করে তোলে।
ডিটারমিন্যান্ট: জ্যামিতিক অর্থ এবং সিঙ্গুলার ম্যাট্রিক্স
ডিটারমিন্যান্ট একটি একক স্কেলার যা একটি বর্গাকার ম্যাট্রিক্স সম্পর্কে মৌলিক গাঠনিক তথ্য এনকোড করে। একটি ২×২ ম্যাট্রিক্স A = [[a,b],[c,d]]-এর জন্য, det(A) = ad − bc। একটি ৩×৩ ম্যাট্রিক্সের জন্য, প্রথম সারি বরাবর কোফ্যাক্টর এক্সপ্যানশন দেয় det(A) = a(ei − fh) − b(di − fg) + c(dh − eg), যেখানে অক্ষরগুলো পড়ার ক্রমে নয়টি এন্ট্রি লেবেল করে। পর্যায়ক্রমিক চিহ্নগুলো ৩×৩-এর জন্য + − + / − + − / + − + দাবা-বোর্ড প্যাটার্ন অনুসরণ করে, আর একই নীতি পুনরাবৃত্তিমূলকভাবে যেকোনো সাইজে সম্প্রসারিত হয়।
জ্যামিতিকভাবে, ডিটারমিন্যান্টের পরম মান পরিমাপ করে ম্যাট্রিক্স প্রতিনিধিত্ব করা লিনিয়ার ট্রান্সফরমেশন কতটা ক্ষেত্রফল (2D-তে) বা আয়তন (3D-তে) স্কেল করে। |det| = 3 সহ একটি ২×২ ম্যাট্রিক্স প্যারালালোগ্রামকে ৩ গুণ প্রসারিত করে। চিহ্ন দিক নির্দেশনা নির্দেশ করে: একটি পজিটিভ ডিটারমিন্যান্ট কোঅর্ডিনেট অক্ষের হ্যান্ডেডনেস সংরক্ষণ করে (কোনো প্রতিফলন নেই), যেখানে একটি নেগেটিভ ডিটারমিন্যান্টে একটি প্রতিফলন থাকে। ঠিক ১ ডিটারমিন্যান্ট মানে ট্রান্সফরমেশন নিখুঁতভাবে ক্ষেত্রফল বা আয়তন সংরক্ষণ করে — অর্থোগোনাল ম্যাট্রিক্স (বিশুদ্ধ ঘূর্ণন ও প্রতিফলন) সবসময় |det| = 1 পূরণ করে।
যখন det(A) = 0, ম্যাট্রিক্সকে সিঙ্গুলার বলা হয়। জ্যামিতিকভাবে, একটি সিঙ্গুলার ট্রান্সফরমেশন স্পেস ভেঙে দেয়: শূন্য ডিটারমিন্যান্টসহ একটি 2D ট্রান্সফরমেশন পুরো প্লেনকে একটি রেখায় (বা একটি বিন্দুতে) ম্যাপ করে, তথ্য অপরিবর্তনীয়ভাবে ধ্বংস করে। বীজগণিতীয়ভাবে, এর মানে ম্যাট্রিক্সের সারি (বা কলাম) লিনিয়ারলি ডিপেন্ডেন্ট — অন্তত একটি সারি অন্যদের সমন্বয় হিসেবে প্রকাশ করা যায়। একটি সিঙ্গুলার ম্যাট্রিক্সের কোনো ইনভার্স নেই, এবং একটি সিঙ্গুলার A সহ যেকোনো সিস্টেম Ax = b-এর হয় কোনো সমাধান নেই বা অসীম সমাধান আছে, কখনো একক নয়। ইনভার্শন চেষ্টা করার আগে det(A) চেক করাই তাই সবসময় প্রথম ডায়াগনস্টিক ধাপ।
ম্যাট্রিক্স ইনভার্স এবং লিনিয়ার সিস্টেম সমাধান
একটি বর্গাকার ম্যাট্রিক্স A-এর ইনভার্স, লেখা হয় A⁻¹, হলো সেই অনন্য ম্যাট্রিক্স যা A·A⁻¹ = A⁻¹·A = I (আইডেন্টিটি) পূরণ করে। এটি বিদ্যমান থাকে যদি এবং শুধুমাত্র যদি det(A) ≠ 0। একটি ২×২ ম্যাট্রিক্স A = [[a,b],[c,d]]-এর জন্য, ক্লোজড-ফর্ম ইনভার্স হলো A⁻¹ = (1/(ad−bc)) × [[d,−b],[−c,a]] — প্রধান কর্ণ অদলবদল করুন, অফ-কর্ণকে নেগেট করুন, ডিটারমিন্যান্ট দিয়ে ভাগ করুন। বড় ম্যাট্রিক্সের জন্য, সাধারণ সূত্র হলো A⁻¹ = (1/det(A)) × adj(A), যেখানে adj(A) (অ্যাডজুগেট) হলো কোফ্যাক্টর ম্যাট্রিক্সের ট্রান্সপোজ। প্রতিটি কোফ্যাক্টর C(i,j) = (−1)^(i+j) × det(M(i,j)), যেখানে M(i,j) হলো A থেকে সারি i ও কলাম j মুছে গঠিত সাবম্যাট্রিক্স।
ইনভার্সের সবচেয়ে গুরুত্বপূর্ণ প্রয়োগ হলো লিনিয়ার সমীকরণের সিস্টেম সমাধান। n অজানায় n সমীকরণের একটি সিস্টেম Ax = b হিসেবে লেখা যায়, যেখানে A হলো কোয়েফিশিয়েন্ট ম্যাট্রিক্স, x হলো অজানার কলাম ভেক্টর, এবং b হলো ধ্রুবকের কলাম ভেক্টর। যদি A ইনভার্টিবল হয়, অনন্য সমাধান হলো x = A⁻¹b — উভয় পাশে বাম থেকে A⁻¹ দিয়ে গুণ করুন। এটি ধারণাগতভাবে পরিষ্কার কিন্তু বড় সিস্টেমের জন্য গণনাগতভাবে অপচয়ী। গসিয়ান এলিমিনেশন (সমতুল্যভাবে, অগমেন্টেড ম্যাট্রিক্স [A|b]-তে RREF) প্রায় এক-তৃতীয়াংশ গাণিতিক অপারেশনে একই সমাধান খুঁজে পায় এবং সাংখ্যিকভাবে বেশি স্থিতিশীল।
ম্যাট্রিক্স ইনভার্শনের জন্য সাংখ্যিক স্থিতিশীলতা একটি গুরুতর উদ্বেগ। একটি ইল-কন্ডিশনড ম্যাট্রিক্স — যার ডিটারমিন্যান্ট শূন্যের কাছাকাছি কিন্তু ঠিক শূন্য নয় — ইনভার্শনের সময় রাউন্ডিং ত্রুটিকে বিশাল করে তোলে। একটি ম্যাট্রিক্সের কন্ডিশন নাম্বার (এর সবচেয়ে বড় থেকে সবচেয়ে ছোট সিঙ্গুলার মানের অনুপাত) এই সংবেদনশীলতা পরিমাপ করে: ১০⁶ এর একটি কন্ডিশন নাম্বার মানে ইনপুটের ছয় দশমিক অঙ্কের নির্ভুলতা আউটপুটে সম্পূর্ণভাবে হারিয়ে যেতে পারে। পেশাদার সাংখ্যিক লাইব্রেরি তাই সুস্পষ্ট ইনভার্শন এড়িয়ে চলে এবং পরিবর্তে LU ডিকম্পোজিশন পছন্দ করে, যা A-কে একটি লোয়ার ট্রায়াঙ্গুলার ম্যাট্রিক্স L এবং একটি আপার ট্রায়াঙ্গুলার ম্যাট্রিক্স U-এ ফ্যাক্টর করে (A = LU), তারপর দুটি দ্রুত ট্রায়াঙ্গুলার সলভ দিয়ে Ly = b এবং Ux = y সমাধান করে। এই পদ্ধতিটি A⁻¹ সরাসরি গণনা করার চেয়ে দ্রুত এবং সাংখ্যিকভাবে অনেক বেশি শক্তিশালী উভয়ই।
আইগেনভ্যালু, আইগেনভেক্টর এবং তাদের প্রয়োগ
একটি বর্গাকার ম্যাট্রিক্স A-এর একটি আইগেনভেক্টর হলো একটি শূন্য-নয় ভেক্টর v যা Av = λv পূরণ করে, যেখানে λ হলো সংশ্লিষ্ট আইগেনভ্যালু। সহজ কথায়: A যখন v-এর ওপর লিনিয়ার ট্রান্সফরমেশন হিসেবে কাজ করে, এটি শুধু v-কে λ ফ্যাক্টর দিয়ে স্কেল করে — এটি v-কে তার মূল দিক থেকে ঘোরায় না। একটি ম্যাট্রিক্স অপরিবর্তিত রাখে (স্কেলিং পর্যন্ত) এমন প্রতিটি দিক একটি আইগেনভেক্টরের সাথে সঙ্গতিপূর্ণ, এবং সেই দিকে স্কেলিংয়ের পরিমাণ হলো আইগেনভ্যালু। এটি আইগেনভেক্টরগুলোকে একটি লিনিয়ার ট্রান্সফরমেশনের 'স্বাভাবিক অক্ষ' করে তোলে।
আইগেনভ্যালু খুঁজতে, Av = λv-কে (A − λI)v = 0 হিসেবে পুনর্বিন্যাস করুন। এই হোমোজেনিয়াস সিস্টেমের একটি শূন্য-নয় সমাধান শুধুমাত্র তখনই আছে যখন A − λI সিঙ্গুলার, অর্থাৎ, det(A − λI) = 0। সেই ডিটারমিন্যান্ট সম্প্রসারণ করলে চরিত্রগত পলিনোমিয়াল পাওয়া যায় — λ-এর একটি n-ডিগ্রি পলিনোমিয়াল যার মূলগুলো হলো আইগেনভ্যালু। একটি ২×২ ম্যাট্রিক্স [[a,b],[c,d]]-এর জন্য চরিত্রগত পলিনোমিয়াল হলো λ² − (a+d)λ + (ad−bc) = 0, যা প্রকাশ করে যে আইগেনভ্যালুর যোগফল ট্রেস-এর (a+d) সমান এবং তাদের গুণফল ডিটারমিন্যান্ট-এর (ad−bc) সমান। প্রতিটি আইগেনভ্যালু জানা হয়ে গেলে, (A − λI)v = 0-তে পুনরায় প্রতিস্থাপন করে v-এর জন্য সমাধান করলে সংশ্লিষ্ট আইগেনভেক্টর পাওয়া যায়।
আইগেনভ্যালু ও আইগেনভেক্টর শুধু তাত্ত্বিক নয় — এগুলো কম্পিউটিংয়ের সবচেয়ে প্রভাবশালী কিছু অ্যালগরিদম চালায়। গুগলের PageRank অ্যালগরিদম লিংক ট্রানজিশন ম্যাট্রিক্সের প্রধান আইগেনভেক্টর খুঁজে ওয়েব পেজ র্যাঙ্ক করে: আইগেনভ্যালু ১-এর সাথে যুক্ত আইগেনভেক্টর ওয়েবের মধ্য দিয়ে একটি র্যান্ডম ওয়াকের সময় প্রতিটি পেজে অবতরণের দীর্ঘমেয়াদি সম্ভাবনা দেয়। মেশিন লার্নিংয়ে, প্রিন্সিপাল কম্পোনেন্ট অ্যানালাইসিস (PCA) ডেটার কোভ্যারিয়েন্স ম্যাট্রিক্সের আইগেনভেক্টর গণনা করে একটি ডেটাসেটের সর্বোচ্চ ভ্যারিয়েন্সের দিকগুলো খুঁজে বের করে; আইগেনভ্যালুগুলো পরিমাপ করে প্রতিটি দিক কতটা ভ্যারিয়েন্স ধারণ করে, শুধু শীর্ষ আইগেনভেক্টর ধরে রেখে উচ্চ-মাত্রিক ডেটা সংকুচিত করার সুযোগ দেয়। স্ট্রাকচারাল ইঞ্জিনিয়ারিংয়ে, স্টিফনেস ম্যাট্রিক্সের আইগেনভ্যালুগুলো একটি কাঠামোর প্রাকৃতিক কম্পন ফ্রিকোয়েন্সির সাথে সঙ্গতিপূর্ণ, যা গণনা করা প্রয়োজন নিশ্চিত করতে যে একটি সেতু বা ভবন বাহ্যিক লোডের অধীনে বিপর্যয়করভাবে রেজোনেট করবে না।
Frequently asked questions
ম্যাট্রিক্স গুণ কী এবং কখন আমি এটি করতে পারি?
ম্যাট্রিক্স গুণ A × B তখনই সংজ্ঞায়িত যখন A-এর কলামের সংখ্যা B-এর সারির সংখ্যার সমান। যদি A হয় m×n এবং B হয় n×p, ফলাফল C হবে m×p। প্রতিটি এলিমেন্ট C(i,j) হলো A-এর সারি i এবং B-এর কলাম j-এর ডট প্রোডাক্ট: C(i,j) = Σₖ A(i,k) × B(k,j)। লক্ষ্য করুন ম্যাট্রিক্স গুণ সাধারণত কমিউটেটিভ নয় — A×B এবং B×A ভিন্ন ফলাফল, এবং সেই ক্রমে মাত্রা না মিললে B×A সংজ্ঞায়িতও নাও হতে পারে।
একটি ম্যাট্রিক্সের ডিটারমিন্যান্ট কীভাবে গণনা করা হয়?
একটি ২×২ ম্যাট্রিক্স [[a,b],[c,d]]-এর জন্য, det = ad − bc। একটি ৩×৩ বা ৪×৪ ম্যাট্রিক্সের জন্য, ক্যালকুলেটর প্রথম সারি বরাবর কোফ্যাক্টর এক্সপ্যানশন ব্যবহার করে: det(A) = Σⱼ A(1,j) × (−1)^(1+j) × det(Mⱼ), যেখানে Mⱼ হলো মাইনর (সারি 1 এবং কলাম j সরানো সাবম্যাট্রিক্স)। ডিটারমিন্যান্ট শূন্যের সমান হবে যদি এবং শুধুমাত্র যদি ম্যাট্রিক্স সিঙ্গুলার (ইনভার্টিবল না) হয়। সব ডিটারমিন্যান্ট গণনার জন্য ধাপে ধাপে কাজ দেখানো হয়।
একটি ম্যাট্রিক্সের কখন ইনভার্স থাকে?
একটি ইনভার্স তখনই বিদ্যমান থাকে যখন ম্যাট্রিক্স বর্গাকার (n×n) এবং এর ডিটারমিন্যান্ট শূন্য নয়। ইনভার্স A⁻¹ A × A⁻¹ = A⁻¹ × A = I (আইডেন্টিটি ম্যাট্রিক্স) পূরণ করে। যদি det(A) = 0, ম্যাট্রিক্সকে সিঙ্গুলার বলা হয় এবং কোনো ইনভার্স নেই — ক্যালকুলেটর ইনভার্শন চেষ্টার আগে ডিটারমিন্যান্ট চেক করে এবং সিঙ্গুলার ম্যাট্রিক্সের জন্য একটি পরিষ্কার এরর রিপোর্ট করে। নন-স্কয়ার ম্যাট্রিক্সের কখনো ইনভার্স থাকে না।
RREF (রো রিডিউসড একেলন ফর্ম) কী?
RREF একটি ম্যাট্রিক্সকে একটি ক্যানোনিক্যাল ফর্মে রূপান্তরিত করে যেখানে: (১) প্রতিটি শূন্য-নয় সারির প্রথম শূন্য-নয় এলিমেন্ট (পিভট) ১, (২) প্রতিটি পিভট ওপরের সারির পিভটের কঠোরভাবে ডানে, (৩) একটি পিভটের ওপরে ও নিচে প্রতিটি এলিমেন্ট ০, এবং (৪) সব-শূন্য সারিগুলো নিচে থাকে। RREF ব্যবহার করা হয় লিনিয়ার সমীকরণের সিস্টেম সমাধান করতে, ম্যাট্রিক্স র্যাঙ্ক খুঁজতে, সমাধান সামঞ্জস্য নির্ধারণ করতে এবং নাল স্পেস গণনা করতে। প্রতিটি ম্যাট্রিক্সের একটি অনন্য RREF আছে।
একটি লিনিয়ার সিস্টেম সমাধান করতে আমি কীভাবে ম্যাট্রিক্স অপারেশন ব্যবহার করব?
সিস্টেমটি Ax = b লিখুন যেখানে A হলো কোয়েফিশিয়েন্ট ম্যাট্রিক্স এবং b হলো ধ্রুবক কলাম। b-কে A-তে একটি অতিরিক্ত কলাম হিসেবে যোগ করে অগমেন্টেড ম্যাট্রিক্স [A | b] তৈরি করুন, তারপর RREF গণনা করুন। যদি RREF একটি কনট্রাডিকশন সারি (0…0 | nonzero) দেখায়, সিস্টেম অসামঞ্জস্যপূর্ণ (কোনো সমাধান নেই)। যদি শেষ সারি সব শূন্য হয়, অসীম সমাধান বিদ্যমান। অন্যথায়, অনন্য সমাধান সরাসরি RREF ফলাফলের ডান কলাম থেকে পড়া যায়।
একটি ম্যাট্রিক্সের ট্রান্সপোজ কী?
ট্রান্সপোজ Aᵀ তার প্রধান কর্ণের ওপর ম্যাট্রিক্স প্রতিফলিত করে গঠিত হয় — A-এর এলিমেন্ট (i,j) Aᵀ-এর এলিমেন্ট (j,i) হয়ে যায়। একটি m×n ম্যাট্রিক্স একটি n×m ম্যাট্রিক্সে ট্রান্সপোজ হয়। মূল বৈশিষ্ট্য: (AB)ᵀ = BᵀAᵀ, (Aᵀ)ᵀ = A, এবং det(Aᵀ) = det(A)। সিমেট্রিক ম্যাট্রিক্স A = Aᵀ পূরণ করে। ট্রান্সপোজ অ্যাডজুগেট ম্যাট্রিক্স গণনায় ব্যবহৃত হয় (যা ইনভার্স সূত্রে দেখা যায়) এবং AᵀA গঠনে, যা সবসময় বর্গাকার ও সিমেট্রিক।
স্কেলার গুণ একটি ম্যাট্রিক্সের সাথে কী করে?
স্কেলার গুণ kA ম্যাট্রিক্স A-এর প্রতিটি এলিমেন্টকে স্কেলার ধ্রুবক k দিয়ে গুণ করে, একই মাত্রার একটি ম্যাট্রিক্স তৈরি করে। ডিটারমিন্যান্ট kⁿ (যেখানে n হলো ম্যাট্রিক্স মাত্রা) দিয়ে স্কেল হয়: det(kA) = kⁿ det(A)। জ্যামিতিকভাবে, যদি A একটি লিনিয়ার ট্রান্সফরমেশন প্রতিনিধিত্ব করে, kA ট্রান্সফরমেশনকে k দিয়ে স্কেল করে — |k| > 1 হলে প্রসারিত করে, |k| < 1 হলে সংকুচিত করে, এবং k নেগেটিভ হলে প্রতিফলিত করে।
আইডেন্টিটি ম্যাট্রিক্স কী?
n×n আইডেন্টিটি ম্যাট্রিক্স Iₙ-এর প্রধান কর্ণে এক এবং বাকি সব জায়গায় শূন্য থাকে। এটি বর্গাকার ম্যাট্রিক্সের গুণনীয় আইডেন্টিটি: যেকোনো n×n ম্যাট্রিক্স A-এর জন্য A × I = I × A = A। আইডেন্টিটির ডিটারমিন্যান্ট ১, সব আইগেনভ্যালু ১-এর সমান, এবং এটি 'কিছু না করা' লিনিয়ার ট্রান্সফরমেশন প্রতিনিধিত্ব করে। একটি ম্যাট্রিক্স তার ইনভার্স দিয়ে গুণ করলে সবসময় আইডেন্টিটি তৈরি হয়: A × A⁻¹ = I। আইডেন্টিটি হলো যেকোনো ফুল-র্যাঙ্ক বর্গাকার ম্যাট্রিক্সে প্রয়োগ করা RREF-এর ফলাফলও।
ম্যাট্রিক্স র্যাঙ্ক আমাকে কী বলে?
একটি ম্যাট্রিক্সের র্যাঙ্ক হলো লিনিয়ারলি ইন্ডিপেন্ডেন্ট সারি (বা কলাম) সংখ্যা, যা তার RREF-এ শূন্য-নয় সারি সংখ্যার সমান। একটি n×n ম্যাট্রিক্সের জন্য, র্যাঙ্ক = n মানে ম্যাট্রিক্স ফুল-র্যাঙ্ক (ইনভার্টিবল, নন-সিঙ্গুলার, det ≠ 0)। একটি m×n সিস্টেম Ax = b-এর জন্য, র্যাঙ্ক সমাধান নির্ধারণ করে: যদি rank(A) = rank([A|b]) = n একটি অনন্য সমাধান আছে; যদি rank(A) = rank([A|b]) < n অসীম সমাধান আছে; যদি rank(A) < rank([A|b]) কোনো সমাধান নেই।
একটি ২×২ ম্যাট্রিক্সের ইনভার্স কীভাবে গণনা করা হয়?
det = ad − bc ≠ 0 সহ একটি ২×২ ম্যাট্রিক্স A = [[a,b],[c,d]]-এর জন্য, ইনভার্স হলো: A⁻¹ = (1/(ad−bc)) × [[d, −b],[−c, a]]। এটি অ্যাডজুগেট (কর্ণ অদলবদল করুন, অফ-কর্ণ নেগেট করুন) ডিটারমিন্যান্ট দিয়ে ভাগ করা। ৩×৩ এবং ৪×৪ ম্যাট্রিক্সের জন্য, ইনভার্স হলো (1/det(A)) × adj(A), যেখানে adj(A) হলো কোফ্যাক্টর ম্যাট্রিক্সের ট্রান্সপোজ — এমন একটি প্রক্রিয়া যা আমাদের ক্যালকুলেটর সম্পূর্ণ ধাপে ধাপে কাজ দেখিয়ে সম্পাদন করে।
কোফ্যাক্টর এক্সপ্যানশন পদ্ধতি কী?
কোফ্যাক্টর এক্সপ্যানশন (ল্যাপ্লাস এক্সপ্যানশন) একটি n×n ম্যাট্রিক্সের ডিটারমিন্যান্টকে n সংখ্যক ছোট (n−1)×(n−1) ডিটারমিন্যান্টের একটি চিহ্নিত যোগফল হিসেবে প্রকাশ করে। সারি i বরাবর সম্প্রসারণ করে: det(A) = Σⱼ A(i,j) × Cᵢⱼ, যেখানে কোফ্যাক্টর Cᵢⱼ = (−1)^(i+j) × det(Mᵢⱼ) এবং Mᵢⱼ হলো মাইনর (A থেকে সারি i ও কলাম j মুছে ফেলা)। চিহ্নের প্যাটার্ন পর্যায়ক্রমিক: একটি ৩×৩-এর জন্য + − + / − + − / + − +। শূন্যসহ একটি সারি বরাবর সম্প্রসারণ গণনা উল্লেখযোগ্যভাবে কমিয়ে দেয়।
ম্যাট্রিক্স গুণের ক্রম কেন গুরুত্বপূর্ণ?
স্কেলার গুণের বিপরীতে, ম্যাট্রিক্স গুণ কমিউটেটিভ নয়: সাধারণত AB ≠ BA। জ্যামিতিকভাবে, যদি A এবং B প্রতিটি একটি লিনিয়ার ট্রান্সফরমেশন (ঘূর্ণন, স্কেলিং, শিয়ার) প্রতিনিধিত্ব করে, AB প্রথমে B তারপর A প্রয়োগ করে, যেখানে BA প্রথমে A তারপর B প্রয়োগ করে — ভিন্ন চূড়ান্ত পজিশন তৈরি করে। এই নন-কমিউটেটিভিটি লিনিয়ার অ্যালজেব্রার জন্য মৌলিক এবং ব্যাখ্যা করে কেন সমীকরণে ম্যাট্রিক্স অপারেশনের ক্রম যত্নসহকারে হ্যান্ডেল করা প্রয়োজন, এবং কেন 'লেফট-মাল্টিপ্লাই' ও 'রাইট-মাল্টিপ্লাই' পৃথক অপারেশন।
ক্যালকুলেটর কোন সাইজের ম্যাট্রিক্স সমর্থন করে?
ক্যালকুলেটর ম্যাট্রিক্স A এবং ম্যাট্রিক্স B উভয়ের জন্য ১×১ থেকে ৪×৪ পর্যন্ত ম্যাট্রিক্স সমর্থন করে, সারি ও কলাম ড্রপডাউনের মাধ্যমে সমন্বয়যোগ্য। প্রতিটি ম্যাট্রিক্স সেল দশমিক ও ঋণাত্মক মানসহ যেকোনো বাস্তব সংখ্যা গ্রহণ করে। সামঞ্জস্যপূর্ণ মাত্রা প্রয়োজন এমন অপারেশন (যোগ, বিয়োগ, গুণ) মাত্রা না মিললে একটি পরিষ্কার এরর দেখায়, ঠিক কী প্রয়োজন তা ব্যাখ্যা করে। RREF অপারেশন ৪×৪ পর্যন্ত নন-স্কয়ার ম্যাট্রিক্স সমর্থন করে, সমীকরণের সিস্টেম সমাধান করার সময় অগমেন্টেড ম্যাট্রিক্সের জন্য উপযোগী।
এই ক্যালকুলেটর দিয়ে আমি কীভাবে একটি ৩×৩ লিনিয়ার সমীকরণের সিস্টেম সমাধান করব?
আপনার ৩×৩ কোয়েফিশিয়েন্ট ম্যাট্রিক্সকে ম্যাট্রিক্স A হিসেবে সেট আপ করুন এবং ধ্রুবককে একটি ৪র্থ কলাম (অগমেন্টেড ম্যাট্রিক্স) হিসেবে অন্তর্ভুক্ত করতে মাত্রা ৩ সারি × ৪ কলামে সেট করুন। কোয়েফিশিয়েন্ট ও ধ্রুবক লিখুন, তারপর RREF(A)-তে ক্লিক করুন। RREF ফলাফলের শেষ কলাম থেকে সমাধান পড়ুন — শেষ কলামের সারি ১, ২, ৩-এর মান যথাক্রমে x, y, z-এর মান। যদি কোনো সারিতে একটি পিভট অনুপস্থিত থাকে, সিস্টেমে অসীম সমাধান আছে বা কোনো সমাধান নেই।
ম্যাট্রিক্স গণনার জন্য Wolfram Alpha, Symbolab বা Mathway-এর সাথে এটি কীভাবে তুলনীয়?
Wolfram Alpha ম্যাট্রিক্স অপারেশন হ্যান্ডেল করে কিন্তু ফ্রি ব্যবহারকারীদের পেওয়ালে পৌঁছানোর আগে দিনে হাতে গোনা কয়েকটি কোয়েরিতে সীমাবদ্ধ করে। Symbolab এবং Mathway উভয়েরই ধাপে ধাপে সমাধান দেখতে অ্যাকাউন্ট সাইন-আপ প্রয়োজন এবং দৈনিক ফ্রি গণনার সীমা রয়েছে। এই ক্যালকুলেটরে কোনো অ্যাকাউন্ট নেই, কোনো কোয়েরি সীমা নেই এবং কোনো পেওয়াল নেই — ডিটারমিন্যান্ট, ইনভার্স ও RREF-এর সম্পূর্ণ ধাপে ধাপে কাজসহ প্রতিটি অপারেশন প্রতিটি গণনায় ফ্রি। এটি সম্পূর্ণভাবে ক্লায়েন্ট-সাইডেও চলে, তাই আপনার ম্যাট্রিক্স ডেটা কখনো সার্ভারে পাঠানো হয় না।
আমি কি আমার ফোনে এই ম্যাট্রিক্স ক্যালকুলেটর ব্যবহার করতে পারি?
হ্যাঁ। ক্যালকুলেটর সম্পূর্ণভাবে রেসপনসিভ এবং আইফোন Safari, অ্যান্ড্রয়েড Chrome এবং ট্যাবলেট ব্রাউজারে কাজ করে। গ্রিড ইনপুট সেল টাচের জন্য রিসাইজ হয়, আর ব্লুটুথ কীবোর্ডের Tab কী বা মোবাইল কীবোর্ডের নেক্সট-ফিল্ড বাটন দক্ষতার সাথে সেলের মধ্যে সরে যায়। আটটি অপারেশনই — যোগ, বিয়োগ, গুণ, স্কেলার, ট্রান্সপোজ, ডিটারমিন্যান্ট, ইনভার্স এবং RREF — কোনো অ্যাপ ইনস্টল না করেই যেকোনো স্ক্রিন সাইজে উপলব্ধ।
Related tools
সব টুল দেখুন
নতুন JSON ⇄ CSV কনভার্টার
JSON অ্যারেকে CSV-তে এবং CSV-কে আবার JSON-এ রূপান্তর করুন — সঠিক কোটিং সহ।
নতুন XML ফরম্যাটার
আপনার ব্রাউজারেই XML সুন্দর করুন, মিনিফাই ও যাচাই করুন।
নতুন SQL ফরম্যাটার
কীওয়ার্ড কেসিং ও clause ব্রেক সহ SQL কোয়েরি সুন্দর ও মিনিফাই করুন।
নতুন JSON থেকে TypeScript
একটি JSON নমুনা থেকে নেস্টেড টাইপ সহ TypeScript ইন্টারফেস তৈরি করুন।
নতুন CSV ভিউয়ার
CSV বা TSV ফাইল পরিচ্ছন্ন টেবিল হিসেবে দেখুন, সাজান ও খুঁজুন — আপনার ব্রাউজারে।
নতুন Statistics Calculator
Calculate mean, median, mode, standard deviation, variance and more from a data set.